Coursera deeplearning.ai 深度学习笔记1-3-Shallow Neural Networks-浅层神经网络原理推导与代码实现

在掌握了逻辑回归算法后，先来学习浅层神经网络，之后再对深度神经网络进行学习。

1. 原理推导

1.1 神经网络表示

神经网络由输入层、隐含层和输出层构成。L层神经网络，隐含层为第1 ~ (L - 1)层，输出层为第L层。为了方便，将输入层写成第0层。
定义：上标[l]表示第l层，下标j表示第j个节点。
例如，下图为2层神经网络，包含1个隐藏层：

输入层和隐含层可以写成：
a[0]=x=⎡⎣⎢x1x2x3⎤⎦⎥,a[1]=⎡⎣⎢⎢⎢⎢⎢⎢a[1]1a[1]2a[1]3a[1]4⎤⎦⎥⎥⎥⎥⎥⎥(1)

1.2 正向传播(Forward Propagation)

计算过程与逻辑回归类似，只是多了隐含层，如下：
z[1]1=w[1]T1x+b[1]1,a[1]1=g(z[1]1)z[1]2=w[1]T2x+b[1]2,a[1]2=g(z[1]2)z[1]3=w[1]T3x+b[1]3,a[1]3=g(z[1]3)z[1]4=w[1]T4x+b[1]4,a[1]4=g(z[1]4)(2)
式中，g(z)为激活函数。可将上式向量化为：
⎡⎣⎢⎢⎢⎢⎢⎢z[1]1z[1]2z[1]3z[1]4⎤⎦⎥⎥⎥⎥⎥⎥=⎡⎣⎢⎢⎢⎢⎢⎢−−−−w[1]T1w[1]T2w[1]T3w[1]T4−−−−⎤⎦⎥⎥⎥⎥⎥⎥⎡⎣⎢x1x2x3⎤⎦⎥+⎡⎣⎢⎢⎢⎢⎢⎢b[1]1b[1]2b[1]3b[1]4⎤⎦⎥⎥⎥⎥⎥⎥,⎡⎣⎢⎢⎢⎢⎢⎢a[1]1a[1]2a[1]3a[1]4⎤⎦⎥⎥⎥⎥⎥⎥=g⎛⎝⎜⎜⎜⎜⎜⎜⎡⎣⎢⎢⎢⎢⎢⎢z[1]1z[1]2z[1]3z[1]4⎤⎦⎥⎥⎥⎥⎥⎥⎞⎠⎟⎟⎟⎟⎟⎟(3)
即：
z[1]=W[1]x+b[1],a[1]=g(z[1])(4)
式中，
z[1]=⎡⎣⎢⎢⎢⎢⎢⎢z[1]1z[1]2z[1]3z[1]4⎤⎦⎥⎥⎥⎥⎥⎥,W[1]=⎡⎣⎢⎢⎢⎢⎢⎢−−−−w[1]T1w[1]T2w[1]T3w[1]T4−−−−⎤⎦⎥⎥⎥⎥⎥⎥,b[1]=⎡⎣⎢⎢⎢⎢⎢⎢b[1]1b[1]2b[1]3b[1]4⎤⎦⎥⎥⎥⎥⎥⎥,a[1]=⎡⎣⎢⎢⎢⎢⎢⎢a[1]1a[1]2a[1]3a[1]4⎤⎦⎥⎥⎥⎥⎥⎥(5)
因此，对于该2层神经网络的每个样本，给定a^[0] = x，正向传播计算流程如下：
z[1]=W[1]a[0]+b[1]a[1]=g(z[1])z[2]=W[2]a[1]+b[2]a[2]=g(z[2])(6)
各矩阵维度如下表：

矩阵	a [0]	W [1]	b [1]	z [1]	a [1]	W [2]	b [2]	z [2]	a [2]
维度	(3, 1)	(4, 3)	(4, 1)	(4, 1)	(4, 1)	(1, 4)	(1, 1)	(1, 1)	(1, 1)

以上推导仅仅针对单个样本，对于m个样本，以上标(m)表示第m个样本。则可以将公式改写为：
⎡⎣⎢|z[1](1)||z[1](2)||⋯||z[1](m)|⎤⎦⎥=⎡⎣⎢⎢⎢⎢⎢⎢⎢⎢−−−−w[1]1Tw[1]2Tw[1]3Tw[1]4T−−−−⎤⎦⎥⎥⎥⎥⎥⎥⎥⎥⎡⎣⎢|x(1)||x(2)||⋯||x(m)|⎤⎦⎥+b[1](7)
⎡⎣⎢|a[1](1)||a[1](2)||⋯||a[1](m)|⎤⎦⎥=g⎛⎝⎜⎡⎣⎢|z[1](1)||z[1](2)||⋯||z[1](m)|⎤⎦⎥⎞⎠⎟(8)
即：
Z[1]=W[1]X+b[1],A[1]=g(Z[1])(9)
式中，
Z[1]=⎡⎣⎢|z[1](1)||z[1](2)||⋯||z[1](m)|⎤⎦⎥,A[1]=⎡⎣⎢|a[1](1)||a[1](2)||⋯||a[1](m)|⎤⎦⎥(10)
因此，对于以上2层神经网络，针对m个样本，给定A^[0] = X，正向传播计算流程如下：
Z[1]=W[1]A[0]+b[1]A[1]=g(Z[1])Z[2]=W[2]A[1]+b[2]A[2]=g(Z[2])(11)
各矩阵维度如下表：

矩阵	A [0]	W [1]	b [1]	Z [1]	A [1]	W [2]	b [2]	Z [2]	A [2]
维度	(3, m)	(4, 3)	(4, 1)	(4, m)	(4, m)	(1, 4)	(1, 1)	(1, m)	(1, m)

从式中可以看出，矩阵Z和A在计算过程中，水平索引遍历所有样本集，垂直索引遍历神经网络每一层的各个节点。

1.3 激活函数(Activation Function)

常见的4种激活函数如下：

sigmoid函数：在0 ~ 1之间，很少用到，仅仅用于二分类问题。
tanh函数，在-1 ~ 1之间，均值为0，使得数据更集中。
sigmoid和tanh函数的一个共同缺点：当z很大或者很小时，函数的斜率都很小且接近0，从而使得梯度下降法的速度较慢。
ReLU(Rectified Linear Units)函数：通常比sigmoid和tanh函数效果好，是最常用的激活函数。缺点在于，当很大的梯度经过一个ReLU神经元，更新过参数后，这个神经元再也不会对任何数据有激活现象。对于较大的学习因子，经常会发生这个问题。因此，需要设置合适的、较小的学习因子。
Leaky ReLU函数：相比ReLU函数，设置了一个很小的常数α，保留了一些负轴的值，使得负轴信息不会全部丢失。

1.4 为什么激活函数使用非线性函数？

假如使用线性函数g(z) = z：
则正向传播化简为：
z[1]=W[1]a[0]+b[1]a[1]=g(z[1])=z[1]z[2]=W[2]a[1]+b[2]=W[2]z[1]+b[2]a[2]=g(z[2])=z[2]=W[2](W[1]a[0]+b[1])+b[2]=(W[2]W[1])a[0]+(W[2]b[1]+b[2])=W′a[0]+b′(12)
可以看出，a^[2]与z^[1]等效，如果使用线性激活函数，就无法发挥隐含层的作用。在深度神经网络中，使用线性激活函数，多个隐含层与没有隐含层的效果相同。
因此，必须使用非线性激活函数。

1.5 梯度下降(Gradient Descent)

以n^[l]表示第l层的节点数，对于以上的2层神经网络：
n[0]=nx=3,n[1]=4,n[2]=1(13)
代价函数：
J(w,b)=1m∑i=1mL(a(i),y(i))=−1m∑i=1m[y(i)loga(i)+(1−y(i))log(1−a(i))](14)
梯度下降法流程如下：
Computeactivationa(i),i=1,⋯,mComputecostfunctionJdW[1]=dJdW[1],db[1]=dJdb[1],⋯W[1]=W[1]−αdW[1],b[1]=b[1]−αdb[1],⋯(15)
式中，α为学习因子。为了更新参数W和b，关键在于求解导数dW和db，可以通过反向传播来求解。

1.6 反向传播(Backward Propagation)

在正向传播中，已经计算得到了Z^[1]、A^[1]、Z^[2]、A^[2]。此处使用sigmoid函数来推导。对于2层神经网络，针对单个样本，正向传播为：
z[1]=W[1]a[0]+b[1]a[1]=g(z[1])z[2]=W[2]a[1]+b[2]a[2]=g(z[2])(16)
与逻辑回归类似，反向传播计算如下：
dz[2]=a[2]−ydW[2]=dz[2]a[1]Tdb[2]=dz[2]dz[1]=dJdz[2]⋅dz[2]da[1]⋅da[1]dz[1]=W[2]Tdz[2]∗g[1]′(z[1])dW[1]=dz[1]a[0]Tdb[1]=dz[1](17)
拓展到m个样本得到：
dZ[2]=A[2]−YdW[2]=1mdZ[2]A[1]Tdb[2]=1mnp.sum(dZ[2],axis=1,keepdims=True)dz[1]=W[2]TdZ[2]∗g[1]′(Z[1])dW[1]=1mdZ[1]A[0]Tdb[1]=1mnp.sum(dZ[1],axis=1,keepdims=True)(18)
式中，“*”表示元素点乘。通过上式求出梯度dW和db，并代入梯度下降法中，即可对参数W和b进行更新。

1.7 随机初始化

对于如下的2层神经网络。

如果将参数全部初始化为0：
W[1]=[0000],b[1]=[00](19)
那么，无论采用什么样本来训练，都会得到：
a[1]1=a[1]2,dz[1]1=dz[1]2(20)
在更新参数的过程中，W始终保持如下的对称形式：
W=[uuvv](21)
这样， a[1]1 和 a[1]2 具体相同的功能，实际上只需要一个就够了。
所以，在初始化神经网络参数时，应当避免以上情况，将参数W随机初始化，为了方便，可以将b全部初始化为0。
另外，根据sigmoid或者tanh函数的特点，当输入较大时，函数的导数较大，会导致学习速度较慢。因此，通常将参数随机初始化为较小的参数：
W=np.random.randn(l,l−1)∗0.01b=np.zeros((l,1))(22)

2. 代码实现

案例：采用2层神经网络实现色点的二分类。

计算流程如下：

2.1 初始化initialize

对参数W进行随机初始化，将参数b初始化为0。核心代码如下：

2.2 正向传播forward

按照下式计算各个节点的Z和A：
Z[1]=W[1]A[0]+b[1]A[1]=g(Z[1])Z[2]=W[2]A[1]+b[2]A[2]=g(Z[2])(23)
核心代码如下：

2.3 计算代价函数compute_cost

采用下式计算代价函数：
J(w,b)=1m∑i=1mL(a(i),y(i))=−1m∑i=1m[y(i)loga(i)+(1−y(i))log(1−a(i))](24)
核心代码如下：

2.4 反向传播backward

按照下式计算参数的梯度dW和db：
dZ[2]=A[2]−YdW[2]=1mdZ[2]A[1]Tdb[2]=1mnp.sum(dZ[2],axis=1,keepdims=True)dz[1]=W[2]TdZ[2]∗g[1]′(Z[1])dW[1]=1mdZ[1]A[0]Tdb[1]=1mnp.sum(dZ[1],axis=1,keepdims=True)(25)
核心代码如下：

2.5 参数更新update_parameters

按照下式对参数W和b进行更新：
W[1]=W[1]−αdW[1],b[1]=b[1]−αdb[1]W[2]=W[2]−αdW[2],b[2]=b[2]−αdb[2](26)
核心代码如下：

2.6 模型构建nn_model

将以上几个模块进行整合，输入训练样本，得到最优参数W和b。关键代码如下：

2.7 预测predict

根据优化得到的参数W和b，输入样本x，得到预测值，如果预测概率大于0.5，则预测值为1，否则为0。关键代码如下：

2.8 样本测试

代码如下：

可得到如下输出，分类准确率为90.50%。

此外，对隐含层节点数量的影响作了分析，核心代码如下：

得到如下结果。可以看出，较多的隐含层节点无法提升分类准确率，甚至存在过拟合现象，5个隐含层节点是比较理想的结果。

代码下载地址：https://gitee.com/tuzhen301/Coursera-deeplearning.ai1-3